La computación en la niebla se está volviendo popular como una solución para respaldar aplicaciones basadas en sensores distribuidos geográficamente que producen enormes volúmenes de datos que deben ser procesados y filtrados con restricciones de tiempo de respuesta. En este escenario, típico de un entorno de ciudad inteligente, el paradigma de la nube tradicional con unos pocos centros de datos potentes ubicados lejos de las fuentes de datos resulta inadecuado. El paradigma de la computación en la niebla, que proporciona una infraestructura distribuida de nodos ubicados cerca de las fuentes de datos, representa una mejor solución para realizar el filtrado, la agregación y el preprocesamiento de flujos de datos entrantes, reduciendo la latencia experimentada y aumentando la escalabilidad general. Sin embargo, aún existen muchos problemas en cuanto a la gestión eficiente de una arquitectura de computación en la niebla, como la distribución de flujos de datos provenientes de sensores sobre los nodos de la niebla para minimizar la latencia experimentada. La contribución de este documento es doble. En primer lugar, presentamos un modelo de optimización para el problema de mapear flujos de datos sobre nodos de la niebla, considerando no solo la carga actual de los nodos de la niebla, sino también la latencia de comunicación entre sensores y nodos de la niebla. En segundo lugar, para abordar la complejidad del problema, presentamos una heurística escalable basada en algoritmos genéticos. Realizamos un conjunto de experimentos basados en un escenario realista de ciudad inteligente: los resultados muestran cómo el rendimiento de la heurística propuesta es comparable con el logrado a través de la solución del problema de optimización. Luego, realizamos una comparación entre diferentes estrategias de evolución y operadores genéticos que identifican al cruce uniforme como la mejor opción. Finalmente, realizamos un amplio análisis de sensibilidad para mostrar la estabilidad del rendimiento de la heurística con respecto a sus principales parámetros.